神經擬態計算是什么？
2020-12-18 16:38
來源：
英特爾
隨著深度學習技術的出現，人工智能領域取得了不小的進步，不過與此帶來了人工智能系統的功耗不斷增加，成為了人工智能發展的一個技術瓶頸。
針對這個問題，英特爾找到了一種解決方案，從神經科學種找到靈感，開發了一種新型的計算機架構。相較于傳統的計算機架構，神經擬態架構模糊了內存和處理器之間的界限，通過數據連接、數據編碼以及電路活動處理系統內部的活動。
該系統下，在信息到達時即可處理完成。在處理數據時，依靠猶如大腦中的神經元一般的數百萬個簡單處理單元，進行動態交互，從而實現數據計算。這種形式可以大幅度提升計算機的能效、實時處理速度以及學習數據效率。
在2017年，英特爾發布了首款神經擬態研究芯片Loihi，這款芯片采用了14納米制程技術，像較于其他的神經擬態芯片，靈活性、集成性和速度更具有優勢。
這枚芯片的學習能力遠遠超過其他芯片，它并沒采用浮點數和乘法累加器單元以及片外內存接口。它的所有計算都將在芯片上完成，其中的內存來源于芯片神經元之間的連接。
Loihi采用了同質架構，將許多小神經擬態核實例化，每個核的大小只有針頭的一部分。通過將神經擬態結構從幾核擴展到幾百核，可以將小型的專用工作負載擴展至 CPU 或 GPU 大小的芯片，甚至可以無縫排列。
英特爾高級首席工程師、英特爾研究院神經擬態計算實驗室主任Mike Davies 介紹說：“我們的目標是支持廣泛的工作負載，而不僅僅只有深度學習。因為大腦解決問題的范圍很大，所以我們認為這個目標是可以實現的。我們認為還可以將這種架構從邊緣擴展到數據中心，鑒于自然界中大腦容量的巨大差異，從螞蟻到鸚鵡，再到人類的大腦。”
分享
聲明：
本文系OFweek根據授權轉載自其它媒體或授權刊載，目的在于信息傳遞，并不代表本站贊同其觀點和對其真實性負責，如有新聞稿件和圖片作品的內容、版權以及其它問題的，請聯系我們。
請輸入評論內容...
請輸入評論/評論長度6~500個字
